Profound Vision

Praten met chatbots voelt vaak niet erg vloeiend. Je wordt onderbroken, het verstaat je niet goed, en na elke zin moet je wachten op een antwoord.   Wat als de chatbot niet wacht tot je klaar bent met praten, maar alvast begint met nadenken op de achtergrond en meteen een antwoord geeft.   Thinking Machine Labs heeft dit laten zien in een nieuw interactiemodel dat nadenkt terwijl het luistert, waardoor het de gesprekstijd optimaal benut. Je ziet in de video dat er al op internet gezocht wordt naar details over de film tijdens het praten erover.   Spraak is een veel krachtigere manier om te praten met een chatmodel. Je vertelt meer in minder tijd, je kan makkelijker bijsturen, en je kan dit handsfree doen.   Door dit soort innovaties kan praten met AI in de toekomst voelen als een gesprek, in plaats van een voicemail inspreken.

De eerste stap zetten richting AI gedreven werken? ACE development & engineering deed het vorige week. Afgelopen donderdag inspireerden wij de sales & marketing collega’s van ACE, BRACE automotive development en NiniX Technologies met AI-toepassingen d.m.v. een praktische workshop.             Het doel was om te inspireren, vervolgens te experimenten om uiteindelijk een shift in mindset te triggeren. Nadat we relevante voorbeelden van agenten, AI gedreven software en AI automations demonstreerden, gingen we samen praktisch aan de slag om zelf te experimenteren. We merkten veel enthousiasme en drive om aan de slag te gaan met AI bij de collega’s. Na afronding kregen we veel positieve reacties en dat geeft ons energie en motivatie om door te pakken. We kijken uit naar de vervolgstappen om ACE te versterken met AI gedreven technologie.

Wat als LLMs zo snel zouden zijn als andere computerprogramma’s? We zouden niet een paar seconden willen wachten op het uitvoeren van een Excelformule, of het zoeken op Google. Maar we hebben bij LLMs geaccepteerd dat een reactie een tijdje duurt. Een nieuwe ontwikkeling in hardware verandert dit. De Thaalas HC1 chip is ontworpen om LLMs uit te voeren met 350 keer de snelheid die je gewend bent van ChatGPT.   Test het hier: https://chatjimmy.ai/   Dit maakt meer mogelijk voor LLMs: nu worden ze vooral ingezet voor chatbots of achtergrond processen. Maar met deze snelheid kunnen ze ingezet worden voor real-time toepassingen in bijvoorbeeld robots.   Daarnaast zou een LLM zo ook een stuk goedkoper aangeboden kunnen worden omdat er meer verzoeken per seconde behandeld kunnen worden. Kosten zijn voor veel grootschalige toepassingen nog een obstakel.   Hoe de chip zo snel kan zijn is specialisatie. Normale chips zijn flexibel en kunnen veel verschillende programma’s uitvoeren. Maar de HC1 kan enkel een specifiek LLM runnen. Voor een nieuw model moet een nieuwe chip gemaakt worden. Dit is onderdeel van een bredere trend waarbij chips ontwikkeld worden specifiek voor AI-toepassingen.   We zullen waarschijnlijk niet alle chatbots opeens sneller zien worden. Maar met deze ontwikkeling zijn toepassingen die voorheen onmogelijk waren, nu denkbaar.

Ik haak even aan op onze eerdere post over het automatiseren van onze boekhouding. Want tot mijn grote frustratie bleven er leveranciers over die weigeren om facturen te mailen. Nou kost dit niet heel veel tijd, maar het is toch een herhaaldelijk iets wat vaak vergeten wordt. De klassieke manier om dit op te lossen is met tools zoals Playwright waarbij je scriptmatig klikt in een browser. Dat werkt zolang je script niet geblokkeerd wordt en zolang de interface niet verandert. Maar ik wilde iets wat minder tijd kostte om te maken en onderhouden, het gaat ten slotte ook om het besparen van 5 minuten per maand. De oplossing was browser-use, een open source programma waarbij een LLM een browser kan zien en in kan klikken. Zoals je ziet in de video kan het inloggen in een webportal om vervolgens de facturen te vinden en de laatste te downloaden. Een browser agent is geen universele oplossing. Het is minder betrouwbaar, snel en goedkoop dan APIs. Maar voor de ouderwetse platforms die weigeren alles programmatisch beschikbaar te maken, biedt het toch mogelijkheden tot automatisering

𝗪𝗮𝘁 𝗮𝗹𝘀 𝗷𝗲 𝗳𝗮𝗰𝘁𝘂𝗿𝗲𝗻 𝗮𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝘀𝗰𝗵 𝗹𝗮𝗮𝘁 𝗶𝗻𝗯𝗼𝗲𝗸𝗲𝗻, 𝗸𝗼𝗽𝗽𝗲𝗹𝗲𝗻 𝗲𝗻 𝗮𝗿𝗰𝗵𝗶𝘃𝗲𝗿𝗲𝗻? 𝗗𝗶𝘁 𝗶𝘀 𝗵𝗼𝗲 𝘄𝗶𝗷 𝗲𝗲𝗻 𝘃𝗼𝗹𝗹𝗲𝗱𝗶𝗴 𝗴𝗲𝗮𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝘀𝗲𝗲𝗿𝗱𝗲 𝗔𝗜-𝘄𝗼𝗿𝗸𝗳𝗹𝗼𝘄 𝗯𝗼𝘂𝘄𝗱𝗲𝗻. Een ingekomen factuur inboeken kostte vanaf binnenkomst tot koppeling met factuurbetaling en archivering al gauw 5 minuten. Iedereen weet hoe repetitief dit werk kan zijn, en het kan ook nog eens leiden tot fouten. Daarom vervingen wij dit geestdodende proces door een AI gedreven proces. Een van de opgezette workflows is het automatisch inboeken van inkomende facturen. De geautomatiseerde workflow voert hetzelfde werk uit in een aantal seconden. De workflow voert de volgende stappen uit: • Uitlezen van inkomende mails met factuurbestanden, bonnetjes of betaalbevestigingen; • Relevante informatie uit facturen onttrekken en structureren; • Inboeken in boekhoudsysteem; • Indelen in juiste grootboekrekening; • Koppelen aan relatie; • Koppelen aan factuurbetaling; • Factuur opslaan op gewenste locatie. Er bestaat software die delen hiervan oplost, maar wij merkten dat juist de uitzonderingen en denkstappen vragen om meer flexibiliteit. Ben je benieuwd naar de gebouwde N8N flow? Comment ‘Automation’ en ik deel onze whitepaper met je. Heb jij een idee om op jouw kantoor een proces te automatiseren? Neem contact met ons op, we denken graag met je mee. www.profoundvision.nl